Zum Inhalt
Fakultät für Elektrotechnik und Informationstechnik
Virtuelle Laborführung

Endecken Sie unsere interessanten
Experimentalsysteme

Aktuelles vom Lehrstuhl für Regelungssystemtechnik

27.11.2023

RST präsentierte den neuen DriverMonitoring-Benchmark-Datensatz

Auf dem 9.Driving Simulation Symposium präsentierte RST den neuen DriverMonitoring-Benchmark-Datensatz manD1.0, einen multimodalen…

Collage aus Graphen und Mitarbeiterin bei der Präsentation
23.10.2023

Promotion von Herrn Robert Gonschorek

Wir gratulieren Herrn Robert Gonschorek zu seiner erfolgreich abgeschlossenen Promotion
„Cooperative Lateral Vehicle Guidance Control for Automated…

Herr Gonschorek mit Doktorhut und Hut von oben
11.10.2023

RST auf der IROS2023 in Detroit

Letzte Woche haben wir auf der IROS2023 in Detroit die zwei folgenden Arbeiten vorgestellt.

Differentiable Constrained Imitation Learning for Robot…

Mitarbeiter steht am Poster und erklärt den Inhalt
22.09.2023

18. DortmunderAutoTag

Am 07.09. fand der 18. DortmunderAutoTag in der IHKzuDortmund statt!
Wir möchten uns herzlich bei allen Referentinnen und Referenten, Ausstellenden…

21.08.2023

Virtuelle Laborführung

Wir arbeiten an der Vorstellung unserer Experimentalsysteme auf Youtube.
Die ersten Videos sind bereits online verfügbar, weitere werden in den…

Vorschaubilder beider Videos auf Youtube
20.07.2023

Überprüfung von 3D-Punktwolken-Objektdetektoren für bildgebende Radarsensordaten

Unser Beitrag zur Überprüfung von 3D-Punktwolken-Objektdetektoren für bildgebende Radarsensordaten wurde auf dem 3D Vision and Robotics Workshop auf…

Herr Palmer steht vor themenbezogenen Poster
23.06.2023

DDPM-basierter multimodaler Punktwolkenprädiktionsansatz

Für lernbasierte Trajektorienprädiktionen sind aufwändig generierte Datensätze notwendig. Eine Alternative bietet die Prädiktion von Rohdaten, bei…

Grafische Übersicht zu Konzept, Herausforderung und Lösungsansatz
25.05.2023

Heiko Renz mit Hans-Uhde-Preis ausgezeichnet

Heiko Renz, wissenschaftlicher Mitarbeiter am Lehrstuhl für Regelungssystemtechnik, ist für seine Masterarbeit „Human Movement Prediction for…

Preisträger mit Urkunden
Roboter mit Logo © RST​/​TU-Dortmund

Der Lehrstuhl für Regelungssystemtechnik im Institut für Roboterforschung an der TU Dortmund forscht zur automatisierten, vernetzten sowie nachhaltigen Mobilität und zur Servicerobotik sowohl in grundlagen- als auch anwendungsorientierten Themen.

Dabei beginnt der innovative Forschungsprozess mit der Idee, setzt sich in der wissenschaftlichen Analyse und Synthese fort und endet im ingenieurstechnischen Kontext bei der Machbarkeit und/oder mit einem Prototyp. Die WissenschaftlerInnen bringen ihre Ideen, Kompetenzen und Erfahrungen in öffentliche und bilaterale Forschungs- sowie Entwicklungsprojekte ein.

In den Themen der zukünftigen Mobilität fokussiert sich unsere Forschung auf die Szenenbeschreibung, die Situationsprädiktion inklusive der Trajektorienprädiktion und die Entscheidungsfindung bei der Manöverplanung, wenn es um das Bewegungsverhalten des EGO-Fahrzeugs und der anderen Verkehrsteilnehmer geht.

Bei der Situationsprädiktion und der Manöverplanung wird außerdem das Verhalten und der physische sowie psychische Zustand des/der FahrersIn, PassagiersIn und PassantenIn erforscht und bei der gesamten Planung zum automatisierten Fahren berücksichtigt.

In der Servicerobotik bildet die Kooperation zwischen dem Menschen und Roboter den Schwerpunkt unserer Forschung. Wir entwickeln Konzepte und Methoden für die modellprädiktive echtzeitfähige Trajektorienplanung und -regelung im geteilten Arbeitsraum. In der Leichtbaurobotik werden von uns Modelle und Regelungen für gliedelastische Roboterarme entworfen.

Die Forschungsarbeiten orientieren sich an konkreten Fragestellungen, die begleitend in der x-in-the-Loop-Simulation und schließlich im Prototypenversuch evaluiert werden, um auch Fragen, die über die wissenschaftliche Verifikation und Validierung hinausgehen, aus der Perspektive der Anwendung und technischen Realisierung zu beantworten.

Im Bereich des automatisierten Fahrens setzten sich zunehmend Methoden aus den Bereichen Machine und Deep Learning sowie der künstlichen Intelligenz durch – in allen Entwicklungsbereichen, von der Perzeption bis zur Trajektorienplanung und Regelung. Neben der Entwicklung an neuesten Algorithmen in diesem Bereich, verfügen wir gleichzeitig auch über die notwendige Hardware und die aktuellsten technischen Voraussetzungen, um die genannten Methoden mit höchster Effizient schnell auf neue Problemstellungen anwenden zu können.

Ein weiterer Fokus liegt auf der Entwicklung und Anwendung von zukunftsweisenden Methoden zur systematischen Herleitung und Entwicklung von anforderungsgerechten Lösungen, wobei das Gesamtsystem nicht aus dem Blickwinkel verschwindet.

Alle News            weitere News auf Twitter